人工神经网络教程

　　该书系统地论述了人工神经网络的主要理论、设计基础及应用实例，旨在使读者了解神经网络的发展背景和研究对象，理解和熟悉它的基本原理和主要应用，掌握它的结构模型和设计应用方法，为深入研究和应用开发打下基础。为了便于读者理解，书中尽量避免烦琐的数学推导，加强了应用举例，并在内容的选择和编排上注意到读者初次接触新概念的易接受性和思维的逻辑性。作为扩充知识，书中还介绍了人工神经系统的基本概念、体系结构、控制特性及信息模式。.
　　 作者于1996年起为控制与信息类专业研究生开设“人工神经网络理论与应用”课程，在多次修改讲义和多项科研成果基础上形成此书。本书适合高校控制与信息类专业研究生、智能科学技术专业本科生以及各类科技人员阅读。 ...

第1章 绪 论.
1．1 人工神经网络概述
1．2 人工神经网络发展简史
1．3 神经网络的基本特点与功能
1．4 神经网络的应用领域
本章小结
思考与练习
第2章 人工神经网络建模基础
2．1 脑的生物神经系统概述
2．2 生物神经网络基础
2．3 人工神经元模型
2．4 人工神经网络模型
2．5 神经网络学习
本章小结
思考与练习
第3章 感知器神经网络
3．1 单层感知器
3．2 多层感知器
3，3 自适应线性单元简介
3．4 误差反传算法

　　随着科学技术的进步，人类在利用物质与能量两种资源的基础上正在向大规模利用信息资源进军。与此相应，人类社会也正在从基于物质与能量两种资源的工业文明走向基于物质、能量和信息3种资源的信息时代。.
　　众所周知，计算机是目前功能最强大的信息处理工具。它在数值运算和逻辑运算方面的精确与高速极大地拓展了人脑的能力，从而在信息处理和控制决策等各方面为人们提供了实现智能化和自动化的先进手段。然而，由于现有计算机是按照冯·诺依曼原理、基于程序存取进行工作的，历经半个多世纪的发展，其结构模式与运行机制仍然没有跳出传统的逻辑运算规则，因而在学习认知、记忆联想、推理判断、综合决策等很多方面的信息处理能力还远不能达到人脑的智能水平。随着现代信息科学与技术的飞速发展，这方面的问题日趋尖锐，促使科学和技术专家们寻找解决问题的新出路。
　　当人们的思路转向研究大自然造就的精妙的人脑结构模式和信息处理机制时，推动了脑科学的深入发展以及人工神经网络和脑模型的研究。随着对生物脑的深入了解，人工神经网络获得长足发展。在经历了漫长的初创期和低潮期后，人工神经网络终于以其不容忽视的潜力与活力进入了发展高潮。特别是2080年代以来，神经网络的结构与功能逐步改善，运行机制渐趋成熟，应用领域日益扩大，在解决各行各业的难题中显示出巨大的潜力，取得了丰硕的成果。
　　为了适应人工神经网络应用不断深化的形势，大力普及人工神经网络的学科知识，迅速培养应用人工神经网络的技术人才，国内各高校均已在研究生及本科教育阶段开设了人工神经网络课程。特别是2004年以来，国内已有许多高校设立了“智能科学与技术”本科专业，而神经网络课程作为一类重要的脑式智能信息处理系统，在“智能科学与技术”等相关专业领域的人才培养中具有非常重要的作用。作者从1996年起连续10年为研究生讲授“人工神经网络”课程，并在多项研究课题中应用人工神经网络取得较好的效果，积累了丰富的教学与科研实践经验，在教材讲义的基础上撰写成书。本书力图为高等院校信息类专业(如计算机、控制工程、电气工程、电子信息、信息工程、通信等)的研究生和“智能科学与技术”专业的本科学生以及各类科技人员提供一本系统介绍人工神经网络的基本理论、设计方法及实现技术的适用教材。..
　　作者在本书写作过程中特别注意以下几点：(1)注重物理概念内涵的论述，尽量避免因繁琐的数学推导影响读者的学习兴趣；(2)加强举例与思考练习，并对选自科技论文的应用实例进行改编、分析与说明，避免将科技论文直接缩写为应用实例；(3)对常用网络及算法着重介绍其实用设计方法，以便读者通过学习与练习获得独立设计人工神经网络的能力；(4)在内容的选择和编排上注意到读者初次接触新概念的易接受性和思维的逻辑性，力求深入浅出，自然流畅；(5)各章选择的神经网络均应用广泛，且所需数学基础不超出研究生数学课程范围。
　　全书共分11章。第1章对人脑与计算机信息处理能力与机制进行了比较，归纳了人脑生物神经网络的基本特征与功能，介绍了人工神经网络的发展简史及主要应用领域。第2章阐述了人工神经网络的基础知识，包括人脑的结构与神经系统、生物神经元信息处理机制、人工神经元模型、人工神经网络模型以及几种常用学习算法。第3章讨论了常用前馈神经网络，重点论述了基于误差反向传播算法的多层前馈网络的拓扑结构、算法原理、设计方法及应用实例。第4章讨论了竞争学习的概念与原理，在此基础上论述了自组织特征映射、学习矢量量化、对偶传播以及自适应共振等多种自组织神经网络的结构、原理及算法，并重点介绍了自组织特征映射网络的设计与应用。第5章阐述丁径向基函数网络的原理、学习算法及设计应用实例。第6章讨论了几种用于联想记忆及优化计算的反馈神经网络，包括离散型与连续型Hopfield网络、双向联想记忆网络以及随机神经网络Boltzmann机。第7章简要介绍了智能控制中常用的局部逼近神经网络——小脑模型控制器。第8章论述了支持向量机的原理、算法和设计实例。第9章介绍了遗传算法的基本原理与操作，给出了在神经网络结构和参数优化中的应用实例。第10章介绍了人工神经网络的软件实现方法和硬件实现技术。第11章介绍了人工神经系统的基本概念、体系结构、控制特性、信息模式和应用实例，作为学习人工神经网络的扩充知识。本书在前6章和第8、9章中每章后面配有习题；附录A中给出常用网络和算法的MATLAB程序；附录B中给出各算法C语言源程序；附录C中给出人工神经网络领域常用术语的中英文对照表。
　　书中疏漏之处，恳请同行专家和广大读者指正。...
　　韩力群
　　2006年10月
　　

　　科学技术史的深入研究，揭示了科学技术发生和发展的基本规律，即：科学技术的基本功能是“辅人”的；科学技术的发展规律是“拟人”的；科学技术与人类的相互关系是“共生”(人主机辅)的。.
　　科学和技术发展的全部历史进程，确证了这些深刻的结论。古代科学技术主要通过认识材料资源的性质和创造人力工具辅助和扩展人的体力功能；近代科学技术主要通过认识能量资源的性质和创造动力工具辅助和扩展人的体力功能；现代科学技术则是主要通过认识信息资源的性质和创造智能工具辅助和扩展人的智力功能。掌握了这些工具，人类就可以更有效地认识世界和改造世界。
　　在扩展人的智力功能方面，人类迄今创造了“结构模拟”、“功能模拟”和“行为模拟”3种基本方法，分别创建了“神经网络”、“专家系统”和“感知—动作系统”3类有效的理论与技术。最近的研究表明，扩展人类智力的更为深刻的方法是“智能生成机制的模拟”(简称“机制模拟”)，而且证明，结构模拟、功能模拟和行为模拟相辅相成，可以在机制模拟的框架下实现三者的和谐统一。因此，神经网络、专家系统和感知—动作系统三者构成了扩展人类智力功能的“三位一体”。其中，神经网络的独特优势是通过学习(训练)获得经验性知识和经验性智能。这是人类获得知识和智能的最重要途径，是智能科学与技术专业学生必须学习的知识和必须掌握的能力。..
　　目前，国内外已经出版了相当丰富的神经网络专著和教材。与它们相比，韩力群教授编著的这部《人工神经网络教程》比较适合于大学高年级本科生和研究生学习。这是作者多年来为研究生讲授“人工神经网络”课程的凝练和升华。
　　本书具有以下特点：取材注意了内容的典型性；编排注意了内容的逻辑性；讲授注重于物理概念的清晰性；举例与思考练习的安排注意了内容的实践性；常用神经网络及算法的介绍着重于它们的实用性。此外，附录还给出了常用网络和算法的MATLAB程序、各算法C语言源程序以及人工神经网络领域常用术语的中英文对照。
　　鉴于本书的以上特色，我相信，本书的出版将可以为我国高等院校智能科学与技术专业、计算机专业、自动化专业、通信专业以及其他相关专业学生掌握神经网络的理论与方法提供一本好教材。...
　　钟义信
　　2006年冬
　　北京